基于图收缩的半监督聚类算法

摘要：

为了在只有少量已知标记的数据集中获得较好的聚类效果,提出了一种基于图收缩的半监督聚类算法.首先将整个样本空间中的数据表达为一个带权图,再根据给出的must-link约束,对图进行边收缩的修改,进而增强must-link约束.在此基础上引入图拉普拉斯算子,结合cannot-link约束将样本空间投影到一个特征子空间.最后在子空间上进行聚类分析.实验结果表明,该方法不仅提高了对复杂数据的聚类结果,而且在约束对数量较少时也能获得较好的结果.

关键词：半监督聚类、图拉普拉斯算子、聚类分析、样本空间、机器学习

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61170193

在线出版日期：2012-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：236-239